[分享] 從零開始讀 ISO 42001：3 層知識地圖與 5 階段學習路徑

最近發現無論是由組織指派，或是自己主動報名來參加 ISO 42001 主導稽核員課程的學員，課前完全沒有接觸過任何 ISO 標準的並不少，他們最常提出的問題就是「我是一個 ISO 標準新手，我該如何學習 ISO 42001 標準？」

ISO/IEC 42001:2023（以下簡稱 ISO 42001）是全球第一個可稽核驗證的人工智慧管理系統標準，但 AI 管理並不是一個容易掌握的專業技能，因為它橫跨了管理系統、風險管理與 AI 技術這 3 個知識領域，學習之前需要先具備一些基礎知識。因此，我準備了一份知識地圖和學習路徑，希望可以為有意學習人工智慧管理系統標準的夥伴，指出一個容易前進的方向。

圖1　學習 ISO 42001 前需要補齊的 3 層基礎知識

第一層 — 管理系統核心概念

對於沒有接觸過 ISO 管理系統標準 (Management System Standard, MSS) 的人而言，第一步要先理解的是管理系統不是指一個 IT 的應用系統，而是一套「體系」或「制度」，它規範的是組織如何「有系統地」規劃、執行、查核與改善，而不是規定技術做法。所以組織通過驗證取得證書，代表的是管理流程符合標準要求，並不代表驗證範圍中的 AI 系統本身通過測試，這是新手最常見的誤解。

ISO 42001 與其他管理系統標準 (例如 ISO/IEC 27001:2022) 目前都採用高階結構 (High Level Structure, HLS，2021 年後的正式名稱為 Harmonized Structure)，它對應了 PDCA 的管理精神：標準本文第 4 至 7 章是規劃 (Plan)、第 8 章是執行 (Do)、第 9 章是查核 (Check)、第 10 章是改善 (Act)，運作起來就如同一個輪子一般，讓組織的管理體系可以持續向前滾動。

第二層 — 風險管理基礎

管理系統標準最重要的核心要求，就是風險管理。在 ISO 42001 本文條款 6.1（因應風險與機會的行動）要求組織執行風險評鑑（包含風險識別、風險分析、風險評估 3 個步驟）與風險處理，它的方法論基礎來自 ISO 31000:2018《風險管理－指引》。ISO 31000 把風險管理拆成 7 個構成要素，其中 5 項是核心步驟，依序是範疇界定與準則建立、風險識別、風險分析、風險評估與風險處理；至於「溝通與諮詢」和「監督與審查」則貫穿整個流程。

人工智慧管理系統特別重視風險評鑑的過程，主要是因為 AI 風險有 3 項特性：一是不確定性高，模型行為會隨資料更新與再訓練而改變；二是影響對象擴及了個人、群體（如求職者、弱勢團體）及社會；三是風險型態多元，除了資訊安全與隱私保護之外，還涉及公平性、透明度與可解釋性，以及穩健性等。這使得傳統 IT 風險管理方法不足以完整涵蓋 AI 風險，也是實務上還要搭配 ISO/IEC 23894:2023《人工智慧－風險管理指引》的原因。

第三層 — AI 基本概念

如果您對於 AI 的認知，還是停留在與 ChatGPT 或 Gemini 的對話過程，這對於學習人工智慧管理來說明顯不夠。雖然學習人工智慧管理系統標準並不需要精通技術細節，但需要能理解 AI 相關名詞的定義與層次，例如人工智慧 (AI) 是最上層的概念，機器學習 (ML) 是實現 AI 的方法之一，而深度學習是機器學習的子集合，大型語言模型 (LLM) 與生成式 AI 則是深度學習技術的近期應用型態。

想要獲得 AI 的基礎知識，可以研讀 ISO/IEC 22989:2022《人工智慧－概念與術語》（以下簡稱 ISO 22989），它是少數不用花錢就可以從 ISO 官網下載的標準。另外，在 AI 生態系中，使用者不會是唯一的角色。如果您的組織有開發或提供 AI 系統，那麼能辨識 AI 系統生命週期 7 個階段（起始、設計與開發、驗證與確效、部署、運作與監控、再評估、汰除）各自的目標與風險，也是必須具備的能力，而這套 7 階段模型同樣出自 ISO 22989。

建議的 5 階段學習路徑

在具備了以上 3 層知識之後，建議您可以依下列 5 個階段持續推進，並且試著用自己的話來解釋標準的核心知識，或是產生對應的內容，路徑如下：

1.    管理系統基礎建立：自己能白話說明 PDCA 各階段所對應的標準本文章節。

2.    風險與 AI 基本概念：自己能解釋風險管理的過程與 AI 系統生命週期 7 階段。

3.    精讀標準本文：逐條研讀第 4 至 10 章，能夠指出管理系統要求建立的文件化資訊。

4.    研讀附錄 A／B：理解 9 大控制領域、38 項控制措施，能夠說明控制措施的目標與要求。

5.    案例演練與自我檢核：以實際或假設情境（例如 AI 客服系統）練習差異分析 (gap analysis)，產出一份差異分析報告。

圖2　ISO 42001 建議的 5 階段學習路徑與各階段產出

結語

回到一開始提到的，AI 管理並不是一個容易掌握的專業技能，所以先照著知識地圖與建議的學習路徑來走，會是比較容易的做法。

如果您已有 ISO 27001 或其他管理系統標準的學習經驗，代表第一層的知識已經具備，那麼就可以直接從第二層開始；如果完全沒有接觸過標準，就請務必從第一層起步。至於沒有 AI 技術背景的夥伴，您也不需要擔心，只要能理解 AI 相關名詞與 AI 系統生命週期各個階段，您也能成為組織建立人工智慧管理系統的重要推手。

Source: 本文之知識分層與學習路徑架構，整理自作者編撰之《ISO/IEC 42001 基礎知識地圖 v1.0》（2026 年 7 月）。

[證照] AAIA 考試心得：3 大知識領域與備考建議

隨著愈來愈多組織導入各項 AI 應用，除了需要建立 AI 治理的政策與管理組織之外，同時也需要透過內部和外部的稽核，協助組織進行績效與合規評估，指出可以持續改善的方向。因此，培育具有 AI 稽核專業知識技能的人才，也是組織的重要課題。

目前，由國際電腦稽核協會 (ISACA) 所推出的進階人工智慧稽核認證 (Advanced in AI Audit, AAIA)，它是全球第一個有關 AI 稽核的個人專業證照，在考試中所要求的知識領域，也是負責實施 AI 稽核活動的相關人員，需要具備的專業知識。

我趁著最近講授 ISO 42001 主導稽核員課程的空檔，也利用 ISACA 當初給予優惠價考試期限的最後一天，總算把 AAIA 考試給完成了，一點小小的心得，分享給有興趣強化 AI 稽核能力的夥伴們參考。

AAIA 是什麼？誰能報考？

ISACA 於 2025 年推出全球第一張進階 AI 稽核證照，主要是讓已經具備財務、IT 或其他稽核相關經驗的人士，藉由進修學習與 AI 有關的知識，獲得更進一步的 AI 稽核技能。

所以在取證資格方面，ISACA 要求必須具備業界認可的稽核相關證照：持有 CISA (Certified Information Systems Auditor) 者全數符合資格；若是 CIA、CPA 等其他證照的持有者，則需具備 IT 稽核或 IT 顧問的工作角色，才能在通過考試之後，以相關資格申請獲得這項認證。如果您的工作是比較偏向於 IT 稽核方面，建議可以先取得 CISA 之後，再來準備 AAIA 會是比較容易的途徑。

在費用方面，考試報名費為 ISACA 會員 US$459、非會員 US$599，通過考試後另有 US$50 的證書申請費。要特別注意的是，報名後有 6 個月的應考效期，請預先規劃好自己的準備時程。

3 大知識領域

依據 ISACA 現行版本 (2025 年 6 月) 的考試內容大綱，AAIA 一共涵蓋了三個主要的知識領域，包括：

•    Domain 1 – AI 治理與風險 (AI Governance and Risk)：佔 33%，包含 AI 模型與要求、治理與計畫管理、風險管理、隱私與資料治理、AI 倫理／法規／標準等。

•    Domain 2 – AI 營運 (AI Operations)：佔比 46% 最高，包含資料管理、AI 開發生命週期、變更管理、AI 產出監督、測試技術、AI 特有威脅與弱點、事故管理等。

•    Domain 3 – AI 稽核工具與技術 (AI Auditing Tools and Techniques)：佔 21%，包含稽核規劃、測試與抽樣方法、證據蒐集、資料品質與分析、稽核報告等。

以個人實際應考的感覺，針對 AI 運作面的相關知識是絕對必要的，特別是針對資料管理、AI 開發生命週期，以及對應每個階段可能面臨的風險管理，這些是需要花比較多的時間來準備的。

如果您想獲得 AI 相關的基礎知識，網路上有一些完整且免費的資訊，可以作為學習的教材，例如：

1.  數位發展部的公部門人工智慧應用參考手冊 (https://moda.gov.tw/digital-affairs/digital-service/ai-resource/18248)

2.  經濟部 iPAS AI 應用規劃師 (初級) 學習指引 (https://ipd.nat.gov.tw/ipas/certification/AIAP/learning-resources)

當然，先前我參加的 ISC2 Building AI Strategy Certificate 課程和 CSA TAISE 的認證訓練，在 AI 治理和維運的領域知識方面，也提供了非常大的幫助，才能在短暫的準備時間內，順利通過考試。

考試注意事項與備考心得

對於剛踏入 AI 領域的考生，我建議先利用前面提到的免費資源打穩基礎；如果您已經相當熟悉 AI 的治理和管理，則可以參考我自己採用的方式來進行。

以我自己來說，想要取得這個證照的目的，只是為了強化有關 AI 稽核的知識與技能，我不追求考試一定要得高分，但一定要掌握自己能理解而且可用的知識，所以只有規劃了一週的時間，把官方的 ISACA AAIA Official Review Manual 仔細看了兩遍，再利用官方的 QAE 題庫 (ISACA AAIA Questions, Answers & Explanations Database)，熟悉解題的觀念和技巧。

考試共 90 題單選題，時間為兩個半小時，計分採量化計分 (Scaled Score) 200-800 分，450 分即為通過，答錯不倒扣，所以每一題都要作答。考試題目不會太長，但會以情境的方式讓考生判斷，從四個選項中選出一個最優先或最適當的答案。我選擇在實體的 PSI 考試中心（台北恆逸考場）應試，電腦考試的介面相當清楚，開始前有詳細的操作解說，有疑問的考題可以註記，再回頭檢視自己的答案。另外提醒，進考場前要交付所有的個人隨身物品，不能配戴手錶，眼鏡也得先取下讓考場人員確認，考試的小房間中冷氣相當冷，建議帶件薄外套備用。

結語

如果您是組織負責實施稽核的人員，又被長官賦予了 AI 系統查核的任務，若是正愁不知從何著手，那麼現在就是準備報考 AAIA 的好時機，也是取得進階 AI 稽核能力的好途徑。

如果您本身參與過 ISO 42001 主導稽核員課程，但又想要獲得一些實用的稽核技巧，那麼 AAIA 的知識領域，也正好補充了實務所需的專業技能，可以為您的職涯增添更多色彩，歡迎加入 AI 稽核員的行列。

Certification badge - ISACA AAIA

[新知] AI Foundation Framework：用 7 個模組逐步建立可信賴的 AI 治理

最近在講授 ISO/IEC 42001 課程時，有學員提到組織的最高管理階層要求必須做好 AI 治理，但是大家卻不知道該從哪個方向開始著手？也有學員認為，ISO/IEC 42001 在 AI 系統開發生命週期中，要求必須做好 AI 資料管理與效能的監控，也要考量 AI 系統面臨的資安風險與隱私保護，這些都要同時兼顧實在是很大的挑戰，是否有比較容易實施的方案？

針對以上這些問題，有一個比喻是如果 AI 是一棟房子的話，那麼我們要做的，首先就是從打好地基開始，再逐一建立各個重要的支柱，逐步讓這棟房子可以穩固而不容易被動搖。

為什麼組織需要 AI 治理框架？

AI 的變化速度一日千里，從一開始可以跟人類透過自然語言的對答 (Chat)，到目前已經進化長出手腳可以完成我們指定的工作 (AI agent)。對於許多組織而言，如果能夠好好利用 AI 這把神兵利器，就可以大幅強化業務發展與運作的效率，同時也能提供更多創新的服務。但是，組織是否能夠在利害關係人期望、法規與標準之下，順利地駕馭它，並且以負責任的方式來開發、提供或使用 AI 系統，這就需要建立一個穩固的基礎，才能夠在這條路上循序前進。

基於個人的觀察，台灣的組織在 AI 治理最常見的起步困難是什麼？其實主要有兩個問題，一個是對於治理的權責不清，另一個則是不清楚風險在哪裡。在權責不清的情況下，組織內使用 AI 的業務部門，認為管理責任是資訊單位和資安單位的事，而資訊單位和資安單位，在業務部門決定使用外部提供的 AI 服務時，完全未被諮詢或參與決策的過程。一旦開始使用 AI 的服務，高層下達要求重視 AI 的治理，各部門也不清楚治理的目的，以及可能面臨的風險議題。

以上種種，都是因為缺乏一個可被信賴的基礎框架，可以幫助組織來因應 AI 所帶來的風險，以及對於組織、個人、群體和社會應該負起的責任。

AIFF 是什麼 — 7 個模組總覽

面對 AI 帶來的種種挑戰，組織需要一套彈性且模組化的框架，因應 AI 所帶來的風險和責任。BSI 的人工智慧可信賴治理框架 (AI Foundation Framework, AIFF) 就是為此而生，它參考了國際公認的標準，以模組化的架構協助組織打好基礎，以更穩健的方式推動 AI 各項應用的發展。不管您的組織規模大小與業務型態，以及在 AI 生態系所扮演的角色，都可以依照自身的需求和特定的風險議題，靈活地進行調整。

人工智慧可信賴治理框架一共包含七大模組，包括了 AI 治理、AI 管理、AI 資安管理、AI 隱私管理、AI 資料管理共 5 個管理類模組，以及 AI 韌性測試和 AI 效能評估的 2 個測試類模組。

圖1　AIFF 七大模組總覽

以成熟度評分設定目標、持續改善

在 5 個管理類模組中，組織可以循序透過四個步驟來建立能力：首先參與教育訓練課程，瞭解各個模組的標準、領域與控制要點；接著使用自我評估工具，依照自己的步調進行現況評估，並且可以重複執行；再依自身的能力和資源建立目標，最終透過第三方獨立驗證，取得驗證報告和成熟度評估結果，以及 AI 信賴標誌 (AI Mark of Trust)。

有別於 ISO 標準取證的通過或不通過兩種結果，人工智慧可信賴治理框架採用六階段成熟度模型，從「尚未建置」到「持續優化」，以 L0~L5 的方式進行成熟度評分，讓組織可以依照自己的步調來提升等級，最終達成全面穩固的成果。

對組織來說，以模組化的評估方式，可以自主地決定針對最重要的治理領域來「設定目標成熟度」，不必一次追求全面且達成最高階段，而是透過自我評估工具的重複使用，制定明確的方向與目標，達成持續改善的循環。

因此，這套人工智慧可信賴治理框架能夠幫助組織鑑別以下重要議題：

•    治理缺口：組織是否在盲目地部署 AI 而沒有監督機制？

•    風險透明度：管理層是否清楚知道 AI 的限制與風險？

•    持續改善路徑：組織目前是在「救火式」地處理 AI 問題 (L1)，還是已經建立了「自動化監控與持續優化」的體系 (L5)？

成熟度模型最大的核心價值，在於衡量一個流程是否能從「依賴個人的偶然成功」，進而轉化為「組織體系的必然穩定」。組織如果能夠理解並掌握了成熟度等級的邏輯，在執行各項工作時就具備了一套專業語言。當執行人員向高層報告的時候，不再只是說「我們的 AI 治理做得差強人意」，而是可以具體的說明「目前組織在 AI 治理模組整體處於 L2，雖然具備了專案等級的管控方法，但是缺乏了組織層級的標準化過程。我們的目標是要在一年內提升到 L3，建立可以被持續審查和改善的框架。」如果執行人員能夠提出這種基於成熟度的對話，管理階層才能滿足利害關係人的期望和要求，以負責任的方式達成 AI 治理的有效性。這也回應了一開始提到的，許多組織「不知從何開始」的痛點，找到一個可以持續前進的方向。

圖2　六階段成熟度與四步驟推進路徑

該從哪個模組開始？

面對人工智慧可信賴治理框架的 7 個模組，組織的第一步該怎麼走？BSI 的建議是可以把實施「AI 治理」模組作為起點，它可以先幫組織建立一個職責分明，獲得高層支持的 AI 治理推動小組，協助組織識別所面臨的主要 AI 風險，再以此來判斷後續需要導入哪些其他模組，作為強化 AI 治理的基礎。

也就是說，組織不必一開始就同時兼顧所有的治理面向，而是可以依照風險的優先順序來分批導入。舉例來說，如果組織在風險評估後，發現隱私是最需要處理的風險，就可以優先導入 AI 隱私管理模組來降低相關風險；如果最擔心的是 AI 系統遭受攻擊或資料汙染 (Data Poisoning)，則可以優先選擇 AI 資安管理模組。這正好回應了開頭學員的提問：與其想要一次到位，不如選擇一條比較容易實施、又能逐步累積的路徑。

如果您的組織以導入 ISO/IEC 42001 為目標，或是未來有取得 ISO/IEC 42001 證書的需求，要特別說明的是，完成人工智慧可信賴治理框架的模組驗證，並不等於通過 ISO/IEC 42001 的管理系統驗證，但是它可以大幅降低導入實施 ISO 標準的門檻，尤其是 AI 管理模組的控制措施，直接呼應了 ISO/IEC 42001 的要求事項，也能作為正式驗證稽核時的客觀佐證。

結語

回到開頭那棟房子的比喻，AI 治理的地基與支柱，不必也不可能在一天之內就蓋好。如果您的組織剛被高層要求開始做 AI 治理，卻還不知道從何著手，建議從「AI 治理」模組的教育訓練與自我評估開始；如果您的組織已經在開發或整合 AI 系統，最擔心資安與隱私的議題，可以優先導入「AI 資安管理」與「AI 隱私管理」模組；如果您的組織以取得 ISO/IEC 42001 驗證為目標，則可以把人工智慧可信賴治理框架中的「AI 管理」模組當作準備期的能力建構工具。無論從哪裡開始，先評估現況、設定目標成熟度，就是讓這棟房子穩固成形的第一步。

備註：本文內容由個人產出，文章段落有請 AI 進行文字校對和編輯。

Source:

・BSI, AI Foundation Framework – Your guide to building trusted AI adoption, 2026.

・BSI 台灣官網：建立可信賴 AI 實踐路徑 (AIFF)

[分享] 運用標準來滿足永續準則的要求 - 資安、隱私、AI

永續 (Sustainability) 已是目前全世界所關注的重要議題，主要目的是要藉由環境保護、社會共榮和經濟成長三個面向的均衡發展，透過組織自主建立對應各項議題的指標，以達成聯合國所發布的永續發展目標 (Sustainable Development Goals，SDG)。

以台灣而言，金管會要求實收資本額達20億元以上的上市櫃公司，每年都要編製和公開申報永續報告書 (ESG Report)，這已成為企業的經營管理階層需要負起的重要責任。基本上，組織在編寫永續報告書的時候，不能只是單純任意書寫的作文比賽，而是必須按照特定的議題內容來進行，目前受到國際所認可的準則規範，像是GRI、SASB、DJSI等，都是可以參考的內容，所以組織就要依照準則中的架構和主題，產出符合公司實施現況與可公開揭露的內容 。 目前在永續報告書中最重要的三個指標，分別是環境 (Environment)、社會責任 (Social) 和治理 (Governance)，也就是所謂的「ESG」，個人觀察大多數組織比較重視的議題，主要著重在環境相關的溫室氣體、污水處理、降低塑膠生產和使用、生態多樣性、節約能源，以及社會責任相關的勞資權益、人權和職業安全風險等。 在實務方面，組織通常會利用 ISO 標準所建立的管理體系 (Management System)，例如：ISO 14001 (環境管理)、ISO 50001 (能源管理)、ISO 14064 (溫室氣體盤查)、ISO 14067 (碳足跡) 等，用來產生具備可信度的佐證資料，進而填補永續報告書中各項主題的揭露要求。 但是隨著資訊科技的快速發展，資安、隱私和AI應用，也成為了組織在實現永續過程中的重大議題。最近我在講授ISO 42001 (AIMS) 的課程時，就有參與課程的學員提到，目前已被公司的永續發展委員會要求，需要提供在資安、隱私與 AI 上的實施成果，以便在永續報告書中揭露，但是他們卻不知該從何處著手，也不清楚有哪些資安、隱私和AI相關標準可以用來滿足準則的要求，所以我彙整了以下的資訊，可作為相關人員在面對永續議題時的參考。

GRI 準則 (Global Reporting Initiative)

# GRI 418：客戶隱私 (Customer Privacy)

要求內容：

1. 揭露經證實的侵犯客戶隱私及遺失客戶資料的投訴總數（來自監管機構或外部第三方）。
2. 若發生重大洩漏事件，需要說明其過程和處理結果。

如何運用標準滿足要求：

• ISO/IEC 27701 (隱私資訊管理系統)：透過此標準建立的「隱私影響評估 (DPIA)」與「當事人權利處理流程」，能夠確保企業可以系統化記錄與追蹤所有投訴，直接提供 GRI 418 所需要的量化數據。
• ISO/IEC 27018 (公有雲隱私保護)：如果涉及提供公有雲的雲端服務，此標準可證明對個人可識別資訊 (PII) 的處理符合國際規範，降低 GRI 揭露中出現「違規事件」的風險。
  
  

SASB 準則：財務重大性與產業核心風險

SASB在社會資本 (Social Capital) 面向下，關注資安與隱私對企業財務表現的直接影響，針對不同產業有不同指標。

要求內容：

1. 資訊安全：發生資訊洩漏的次數、受影響的用戶比例，以及如何透過技術手段降低風險。
2. 客戶隱私：收集個人資訊的商業目的、如何因應法規的個資保護要求。

如何運用標準滿足要求：

• ISO/IEC 27001 (資安管理系統)：透過管理體系和附錄 A 的控制措施，可描述如何利用自動化工具監測威脅，並落實縱深防禦，揭露對供應商進行資安稽核的頻率與合格率。另外，可描述達成營運持續演練 (BCP) 和災難復原演練 (DRP) 的結果，展現在遭受攻擊時的恢復能力。
• ISO/IEC 27017 (雲端服務資安)：針對 SASB 中關於基礎設施可靠性的要求，此標準能證明企業對雲端服務特定風險，例如: 虛擬機隔離、共享責任模型等已有妥善管理機制。
  
  

DJSI（道瓊永續指數）評選

在 2026 年的 DJSI（道瓊永續指數）評選中，原DJSI已正式更名為「道瓊領先指數（Dow Jones Best-in-Class Indices, DJBIC）」，其採用的企業永續評鑑 (CSA) 已將資訊安全、個資隱私與人工智慧（AI）治理，從單純的「技術合規」提升至「財務重大性」與「數位人權」的高度。

# 資訊安全 (Information Security)

要求內容：

1. 政策覆蓋範圍：資安政策必須涵蓋全體員工、約聘人員及第三方供應商。
2. 董事會監督：需明確揭露董事會中具備資安背景的人員，以及資安長 (CISO) 向董事會報告的頻率。
3. 事件揭露與重大性分析：要求公開重大資安事件的數量、受影響比例，以及該事件對財務的具體影響。

如何運用標準滿足要求：

• ISO/IEC 27001 (資安管理系統)：

1. 滿足政策要求：利用 5.2 (政策) 與 Annex A 5.1 (資安政策) 確保政策的完整性。
2. 滿足供應鏈要求：利用 Annex A 5.19 (供應者關係) 建立評核機制。

• NIST CSF 2.0 (網路安全框架)：

1. 滿足治理要求：運用其中的「Governance (GV)」功能，定義組織內部資安策略與風險溝通流程，這與 DJSI 要求董事會參與資安治理的核心目標有關。

# 隱私保護 (Privacy Protection)

2026 年的重點在於「透明度」與「資料生命週期管理」，特別是在涉及敏感性 AI 訓練數據時。

要求內容：

1. 資料最小化與保留限制：需證明企業有明確的資料銷毀機制。
2. 當事人權利請求 (DSR)：要求揭露企業處理用戶撤回同意、要求刪除資料的成功率。
3. 第三方隱私稽核：必須對涉及個人資料處理的外部供應者進行獨立查核。

如何運用標準滿足要求：

• ISO/IEC 27701 (隱私資訊管理系統)：

1. 滿足資料生命週期：定義 PII（個人可識別資訊）從收集到銷毀的標準作業程序。
2. 滿足當事人權利請求：實施標準條文中的「當事人權利處理機制」，提供可量化的處理數據。

• ISO/IEC 29100 (隱私框架)：

1. 滿足隱私設計要求：提供「隱私設計 (Privacy by Design)」和「隱私預設 (Privacy by Default)」的基本隱私要求。

# 負責任的 AI (Responsible AI) - 2026 年新亮點

這是 2026 年 DJBIC 變動最大的部分，主要加入了以下兩個問項。

Q. 公司是否有負責任的人工智慧政策，並且該政策是否公開？

Q. 公司是否有負責任的人工智慧專案？

要求內容：

1. AI 政策與倫理：尊重人工智慧使用和開發過程中的資料隱私，需要建立「人為干預機制 (HITL)」及「問責機制」。
2. AI 量化指標 (2026 新增)：要求揭露 AI 的投資額 (Investments)、所帶來的營收增長及 ROI評估。
3. 生態足跡 (Ecological Footprint)：要求揭露 AI 模型訓練與數據中心的能耗、水耗及減碳措施。
4. AI 生成標記：所有 AI 產出的內容必須有清晰的標記 (防止誤導)。

如何運用標準滿足要求：

• ISO/IEC 42001 (AI 管理體系)：

1. 滿足AI治理框架：建立 AI 系統的風險評鑑流程與AI系統影響評鑑，這能直接對應負責任的AI要求。
2. 滿足 HITL 要求：清楚定義 AI 決策中人類介入的權限和方式。

• NIST AI RMF (AI 風險管理框架)：

1. 滿足負責任的 AI：利用其「可信賴 AI」的七大指標 (公平、可解釋、安全等) 來管理AI相關的風險，並將結果作為 ESG 報告的證據。

備註：以上準則為透過AI蒐集，再由個人進行手動編輯後的資訊，僅供參考。